Estimation of Space–Time Branching Process Models in Seismology Using an EM–Type Algorithm
利用 EM 类算法估计地震学中的时空分枝过程模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究地震学中的时空分枝点过程与背景地震强度，未涉及宏观经济时间序列或金融高频数据，因此不凭时空特征归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用 EM 类算法估计地震学中的时空分枝过程模型
- 研究问题
- 分枝点过程的最大似然数值优化可能不稳定且计算昂贵；如何以 EM 类算法估计时空余震模型，并识别去聚类后的背景地震活动？
- 方法与思路
- 作者将分枝过程估计视为不完全数据问题，提出高效最大化期望完整数据对数似然的程序，并应用于南加州时空 ETAS 模型。
- 材料陈述的贡献
- 摘要称，该方法在展示中稳健且准确；应用估计不同地质区域的背景强度，其中圣安德烈斯断层南段所在区域的估计较高。
- 阅读关注点
- 应核对不完全数据的构造、EM 步骤与收敛行为、时空模型及观测边界处理，并检查背景强度估计的不确定性和区域比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性比较、收敛保证和强度差异的数值及不确定性未说明，不能推断刊本变化。
原文摘要
Maximum likelihood estimation of branching point process models via numerical optimization procedures can be unstable and computationally intensive. We explore an alternative estimation method based on the expectation-maximization algorithm. The method involves viewing the estimation of such branching processes as analogous to incomplete data problems. Using an application from seismology, we show how the epidemic-type aftershock sequence (ETAS) model can, in fact, be estimated this way, and we propose a computationally efficient procedure to maximize the expected complete data log-likelihood function. Using a space–time ETAS model, we demonstrate that this method is extremely robust and accurate and use it to estimate declustered background seismicity rates of geologically distinct regions in Southern California. All regions show similar declustered background intensity estimates except for the one covering the southern section of the San Andreas fault system to the east of San Diego in which a substantially higher intensity is observed.